Maîtriser l'ingénierie RAG5 / 10
Re-Ranking — The Cheap Quality Win
La récupération vous donne 30 chunks plausibles. Un re-ranker les lit par rapport à la question réelle et remonte les véritablement pertinents en haut.
La recherche par embedding est rapide mais superficielle : elle compare votre question et chaque chunk séparément, puis mesure la distance. Un re-ranker est lent mais profond : il lit la question et un chunk ensemble et note la pertinence réelle.
Le pattern : retrieval large, re-rank serré
- Récupérez largement — top 30–50 chunks via recherche hybride (recall-optimisée ; lancez un filet large).
- Re-rankez ceux-ci avec un cross-encoder par rapport à la question.
- Conservez le top 3–8 pour le prompt (precision-optimisée).
Vous obtenez le recall du retrieval large et la précision du scoring profond, sans re-ranker votre corpus entier.
Pourquoi ça marche
Un bi-encoder (embeddings) doit encoder un chunk avant de connaître votre question. Un cross-encoder voit les deux à la fois, donc il détecte la pertinence que la distance manque — la négation, la spécificité, « ce chunk parle de X mais ne répond pas à X ».
Le compromis
Le re-ranking ajoute de la latence et du coût par requête (vous score 30–50 paires). Affinez la retrieve-width et keep-count par rapport à votre eval set et budget de latence — couverts dans les articles 7 et 9.
Maintenant le retrieval est affûté. Suivant : faire en sorte que le générateur l'utilise réellement — grounding et citations.
Série — Maîtriser l'ingénierie RAG
- Partie 01Pourquoi la RAG naïve échoue en productionLa démo de recherche vectorielle en 50 lignes qui impressionne dans un notebook s'effondre dès que de vrais utilisateurs posent de vraies questions. Voici pourquoi — et la carte pour y remédier.
- Partie 02Chunking — The Decision That Sets Your CeilingYou can't retrieve what you chunked badly. Chunking is the most under-rated lever in RAG — and the cheapest to get right.
- Partie 03Embeddings & Vector Stores 101Un embedding transforme le sens en géométrie. Un vector store rend cette géométrie explorable en millisecondes. Maîtriser les deux, et la retrieval devient facile.
- Partie 04Hybrid Retrieval — Keyword + VectorLa recherche vectorielle comprend le sens mais échoue sur les termes exacts, les identifiants et les mots rares. La recherche par mots-clés maîtrise ceux-ci et manque les paraphrases. Utilisez les deux.
- Partie 05Re-Ranking — The Cheap Quality Win — vous êtes iciLa récupération vous donne 30 chunks plausibles. Un re-ranker les lit par rapport à la question réelle et remonte les véritablement pertinents en haut.
- Partie 06Prompting the Generator — Grounding & CitationsGreat retrieval is wasted if the model ignores it or can't point to its sources. Grounding is a prompt-design discipline, not an afterthought.
- Partie 07Évaluation — On ne peut pas améliorer ce qu'on ne mesure pasSans un ensemble d'évaluation, chaque changement RAG est une question de ressenti. Avec un, vous affinez le chunking, la récupération et les prompts avec un chiffre qui vous dit si vous avez aidé ou nui.
- Partie 08Gestion des hallucinations et garde-fousQuand la récupération ne trouve rien, un modèle utile invente. Les garde-fous transforment « confidemment faux » en « honnêtement incertain » — la différence que les utilisateurs font confiance.
- Partie 09Discipline en matière de coût et de latenceUne requête RAG touche aux embeddings, une base de données vectorielle, un re-ranker et un LLM. Chacun ajoute des millisecondes et des centimes. À grande échelle, la discipline ici fait la différence entre une marge bénéficiaire et un désastre.
- Partie 10The Production RAG Reference ArchitectureChaque élément, assemblé : ingestion, récupération hybride, re-ranking, génération fondée, garde-fous, évaluation et mise en cache — le blueprint que vous pouvez déployer.